CN111109240A - 一种多信息融合的变量喷药方法和装置 - Google Patents
一种多信息融合的变量喷药方法和装置 Download PDFInfo
- Publication number
- CN111109240A CN111109240A CN202010004563.3A CN202010004563A CN111109240A CN 111109240 A CN111109240 A CN 111109240A CN 202010004563 A CN202010004563 A CN 202010004563A CN 111109240 A CN111109240 A CN 111109240A
- Authority
- CN
- China
- Prior art keywords
- information
- air curtain
- light
- annular air
- spraying
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M21/00—Apparatus for the destruction of unwanted vegetation, e.g. weeds
- A01M21/04—Apparatus for destruction by steam, chemicals, burning, or electricity
- A01M21/043—Apparatus for destruction by steam, chemicals, burning, or electricity by chemicals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Zoology (AREA)
- Computational Linguistics (AREA)
- Insects & Arthropods (AREA)
- Pest Control & Pesticides (AREA)
- Wood Science & Technology (AREA)
- Health & Medical Sciences (AREA)
- Environmental Sciences (AREA)
- Toxicology (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Catching Or Destruction (AREA)
- Soil Working Implements (AREA)
Abstract
本发明涉及农业机械植保作业机械领域,公开了一种多信息融合的变量喷药方法和装置,在植保喷药过程中,通过摄像机采集田间苗草信息,并对视频图像信息进行深度挖掘,通过部署在边缘端的处理器进行计算,输出定值控制量以减少处理数据量,集光圈与环形风幕结合,减少药液雾滴漂移的同时,增强了装置对非结构光下的适应性,该方法与装置,能够实现苗草的根据体积进行喷药作业,降低植保作业过程中的农药用量,减少药液漂移,达到保护环境的目的。
Description
技术领域
本发明涉及农业机械领域,具体的是涉及农业植保地面大田作业机械的对靶喷药作业,适用于智能农业田间除草装备。
背景技术
随着人工智能技术的发展,机器视觉、深度学习在农业领域的应用越来越多,特别是在农业植保机械领域,出现了多种智能除草作业机具。但传统的喷药机器视觉面对非结构化环境,即在光线复杂条件下,基于像素点、简单的图像信息、其他苗草信息获取手段效果不理想,且容易在工作过程中产生噪点,对环境的光线要求较高,非结构环境下对苗草的识别效果产生一定的影响。同时,未经处理的图像信息,全部进入系统运算,增加了边缘计算端的运算负荷。同时,机器视觉作为信息获取最全的技术手段之一,且价格低廉,深度挖掘视觉信息,可大幅减少边缘端的计算要求,同时间接降低了该方法和装置的部署成本。虽然目前专利、论文、产品有实现变量喷药的功能,但全量的未处理的计算任务,增加了边缘端计算难度,降低了计算速度,特别是在田间的视频图像的处理上。同时在变量喷药过程中,基本根据电磁阀的开合或不同电磁阀喷头的组合方式进行变量,增加了安装成本,且不实用,还有根据植株的形态、杂草密度进行实时的变频控制,实时的变量的控制也增加了边缘端的计算量。在喷药过程中,提前挖掘图像信息,并减少信息的输出,将连续信号,变成分段控制信号,同时会增加系统的稳定性。
在喷药过程中,特别是变量喷药过程中,若杂草为单株或小面积分布,短时间的喷头喷洒,在机具行走过程中,会产生严重的漂移,同时,外界环境因素的不稳定,也将极大增加识别定位的喷洒难度,风幕系统是解决药滴漂移的解决办法,但在工作过程中传统风幕需求量大,随着智能农机装备的发展,在工作过程中需注重对能源的管理。基于科恩达效应所设计的植保机械喷雾系统,利用其气流增速效应,可极大减少能量的消耗。
发明内容
本发明为克服以上缺陷,设计提供一种组合式风幕装置,可安装与农机机具的前端或后端进行作业或对现有喷雾系统进行替换安装。采用科恩达效应设计的环形风幕管,可实现气流的增速作用。增速后的高速气流,可减少外界环境风力的影响。为减少非结构环境下光线的影响,可在其视觉范围内进行补光,通过相机进行环境信息的采集,避免光线过弱带来的视觉图像噪声及不稳定问题。为克服边缘端信息处理过程计算量大的问题,进行视频图像信息的深度挖掘,并进行提取,作为图像矩阵的扩增矩阵进入嵌入式边缘端设备中进行计算,将极大减少运算过程的运算量。同时,基于图像的多信息融合,对于识别目标的信息识别更精准,该融合技术可为苗、草的立体信息进行处理,实现精准的基于体积的变量喷施作业,同时,减少信息的变化输出,根据苗草信息,进行定值输出,进一步减少嵌入式边缘端设备的计算任务。
本发明的技术方案是:
一种多信息融合的变量喷药方法和装置,其特征是:包括风机、机架、连接管、环形风幕、集光环、喷头、电磁阀、药液管路、视频监控摄像机,以及由凹透镜的集光原理设计的集光环,与风幕组成一体,风幕在高速流动下带动空气中粒子,以及喷雾过程中的药滴,在环形风幕上的气流离开面,形成光柱,即环形风幕作用区域,在集光环的作用下,该区域亮度明显高于其他区域面积,可在光线较暗或阴影的情况下,仍然能够保证视频的采集,保证机器的正常作业,视频监控摄像头能够采集该区域视频图像,并与非环形风幕作用区形成对比,在非环形风幕作用区,受其集光环的光线增强作用的对比影响,在图像中的非环形风幕作用区在视野中较暗,从而实现非结构光环境下的视频图像信息采集工作。
在视频图像信息采集过程中,在进入杂草识别模型算法前,对其图像区域进行选择,特别是在非结构光环境下,在较暗光线下,选择环形风幕作用目标区域进行计算,在较亮光线下,选择环形风幕外目标区域的视频监控区域进行计算,在搭载深度学习边缘端嵌入式计算处理器之前,通过对苗草的图像信息进行标签化裁剪,通过图像矩阵扩张的方法统一为统一矩阵大小进行计算,并记录样本的扩张系数,结合图像的侦差信息,从而可准确计算出作物、杂草的体积,在苗草识别分类模型算法写入后,进行田间作业,在识别过程中,前置收集的图像侦差信息、图像扩张系数,以及图像选择区域进入苗草识别分类模型,同时,工作工程的图像,进行苗草图像的缩放,从而降低了输入模型的数据量,减小了苗草识别分类模型的处理难度,降低了深度学习边缘端嵌入式计算处理器的处理量,在苗草识别分类模型中,将杂草的体积大小分为5种类型,从而将数值信号发送给信号控制板,控制电磁阀PWM值固定输出,降低了在执行过程中的运算量,从喷头喷出的药液在环形风幕的作用下加速沉降,从而实现对草的对靶变量喷施作业,并减少药滴的漂移。
本发明的优势在于:
1、环形风幕的设计可在机车行走过程中,减少对药液的漂移。
2、环形风幕无外源输入的集光环,在高速气流的作用下,在机具行走过程中带动灰尘颗粒的流动,形成环形风幕作用区域的光柱,可满足在较暗的情况下的光线增强,结合非环形风幕作用区域的光柱,形成的光线区域的对比,可满足非结构光环境下的苗草视频图像信息的采集。
3、深度挖掘的视频图像信息,以及图像处理方法,采用多信息融合,减少了边缘端计算需求量,加快了在田间非结构环境下的识别速度。
附图说明
图1为发明装置整体装配图
图2为图1的主视图
图3为图2的局部示意图
图4为环形风幕的结构剖切图
图5为图4的局部剖切放大图
图6为苗草图像信息挖掘融合原理图
具体实施方式
结合图1~图6对一种多信息融合的变量喷药方法和装置做进一步阐述:该装置为挂接在带有药箱的供药机具的行走机械上,该装置包括风机1,机架2,连接管3,环形风幕4,集光环5,喷头6,电磁阀7,药液管路8,视频监控摄像机9,以及在工作过程中使用的方法名词包括视频监控区域10,环形风幕作用区域11,环形风幕作用目标区域12,环形风幕外目标区域13,在工作过程中,为防止喷药过程中产生的漂移,设计基于科恩达效应的环形风幕3,风机1产生的高速气流通过连接管3进入机架2,连接在机架2上的环形风幕3上装有凹透镜面的集光环5,集光环5的平面作为环形风幕4的科恩达效应气流离开平面,在气流的作用下,形成较亮的环形风幕作用区域11,在视频监控摄像机9的视野中,出现较亮的环形风幕作用目标区域12和环形风幕外目标区域13,对田间的图像信息的深度挖掘,通过苗草标签对原始图像进行苗草的图像裁剪,生成杂草图像和苗图像,在苗草识别分类模型训练过程中,进行图像的矩阵扩张,并记录扩张系数,在工作过程中,进行图像区域的光线对比,并进行选择较亮光线条件下的环形风幕外目标区域13或较暗光线条件下的环形风幕作用区域目标区域12,在进入苗草识别模型之前,进行苗草图像的缩放,减小视频图像的大小,即可减少数据处理量,在工作过程中的视频监控摄像机9产生的图像信息以及图像的侦差信息,共同进入苗草识别分类模型,搭载深度学习边缘端嵌入式计算处理器进行识别计算,根据杂草体积计算出信号输出值,发送给信号控制板,并将定值PWM信号进行放大控制电磁阀7的开启,分别控制信号值为全关,20%,40%,60%,80%和100%,电磁阀7通过药液管路8与喷头连接,从而实现在机具行走过程中的苗草识别和变量喷药。
Claims (3)
1.挂接在现有农药药箱及供液装置喷药农业植保机械上的一种多信息融合的变量喷药方法和装置,其特征在于在工作过程中为防止药滴漂移,设计的基于科恩达效应的环形风幕(3),利用其空气增速原理,减少风机载荷,减少能量消耗,降低药滴漂移。
2.根据权利要求1所述的药滴的喷洒根据田间视频监控摄像机(9)进行苗草信息的深度信息挖掘进行处理,融合图像扩张系数、侦差信息、识别区域选择的信息通过部署在深度学习边缘端嵌入式计算处理器上进行运算,融合多图像信息,降低处理器运算量,利用多信息融合计算出苗草的体积,并根据体积进行喷施作业。
3.根据权利要求2所述的图像识别区域选择根据外界环形的光线环境进行选择,环形风幕(3)与无外源能量输入的集光环(5)与气流作用形成的区域,环形风幕外目标区域(13)风幕作用区域目标区域(12),并根据其工作环境的光线条件进行选择,尽量减少非结构光对工作过程的影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010004563.3A CN111109240B (zh) | 2020-01-03 | 2020-01-03 | 一种多信息融合的变量喷药装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010004563.3A CN111109240B (zh) | 2020-01-03 | 2020-01-03 | 一种多信息融合的变量喷药装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111109240A true CN111109240A (zh) | 2020-05-08 |
CN111109240B CN111109240B (zh) | 2023-09-29 |
Family
ID=70507629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010004563.3A Active CN111109240B (zh) | 2020-01-03 | 2020-01-03 | 一种多信息融合的变量喷药装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111109240B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1945601A (zh) * | 2005-10-08 | 2007-04-11 | 中国农业机械化科学研究院 | 一种自动识别田间杂草的方法与喷药装置 |
CN101961003A (zh) * | 2010-08-10 | 2011-02-02 | 江苏大学 | 一种精确对靶喷药除草装置 |
CN102172233A (zh) * | 2011-03-04 | 2011-09-07 | 江苏大学 | 一种棉田杂草实时识别对靶喷施的方法 |
CN102800083A (zh) * | 2012-06-19 | 2012-11-28 | 中国农业大学 | 基于双目视觉网格划分匹配算法的农作物喷雾定位方法 |
CN107239730A (zh) * | 2017-04-17 | 2017-10-10 | 同济大学 | 智能汽车交通标志识别的四元数深度神经网络模型方法 |
WO2017177284A1 (en) * | 2016-04-15 | 2017-10-19 | University Of Southern Queensland | Methods, systems, and devices relating to shadow detection for real-time object identification |
EP3357332A1 (en) * | 2017-02-06 | 2018-08-08 | Bilberry Sas | Weed control systems and methods, agricultural sprayer |
CN109122634A (zh) * | 2018-08-10 | 2019-01-04 | 华南农业大学 | 一种基于机器视觉的无人机区域对靶变量施药控制装置与方法 |
CN110562461A (zh) * | 2019-10-10 | 2019-12-13 | 岳林 | 一种抗风防漂移型农业无人机 |
-
2020
- 2020-01-03 CN CN202010004563.3A patent/CN111109240B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1945601A (zh) * | 2005-10-08 | 2007-04-11 | 中国农业机械化科学研究院 | 一种自动识别田间杂草的方法与喷药装置 |
CN101961003A (zh) * | 2010-08-10 | 2011-02-02 | 江苏大学 | 一种精确对靶喷药除草装置 |
CN102172233A (zh) * | 2011-03-04 | 2011-09-07 | 江苏大学 | 一种棉田杂草实时识别对靶喷施的方法 |
CN102800083A (zh) * | 2012-06-19 | 2012-11-28 | 中国农业大学 | 基于双目视觉网格划分匹配算法的农作物喷雾定位方法 |
WO2017177284A1 (en) * | 2016-04-15 | 2017-10-19 | University Of Southern Queensland | Methods, systems, and devices relating to shadow detection for real-time object identification |
EP3357332A1 (en) * | 2017-02-06 | 2018-08-08 | Bilberry Sas | Weed control systems and methods, agricultural sprayer |
CN107239730A (zh) * | 2017-04-17 | 2017-10-10 | 同济大学 | 智能汽车交通标志识别的四元数深度神经网络模型方法 |
CN109122634A (zh) * | 2018-08-10 | 2019-01-04 | 华南农业大学 | 一种基于机器视觉的无人机区域对靶变量施药控制装置与方法 |
CN110562461A (zh) * | 2019-10-10 | 2019-12-13 | 岳林 | 一种抗风防漂移型农业无人机 |
Non-Patent Citations (1)
Title |
---|
张发军: "机电一体化系统设计", 华中科技大学出版社 * |
Also Published As
Publication number | Publication date |
---|---|
CN111109240B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Åstrand et al. | An agricultural mobile robot with vision-based perception for mechanical weed control | |
Tian et al. | Machine vision identification of tomato seedlings for automated weed control | |
CN109886155B (zh) | 基于深度学习的单株水稻检测定位方法、系统、设备及介质 | |
CN111727457B (zh) | 一种基于计算机视觉的棉花作物行检测方法、装置及存储介质 | |
Huang et al. | Deep localization model for intra-row crop detection in paddy field | |
CN113597874B (zh) | 一种除草机器人及其除草路径的规划方法、装置和介质 | |
CN101527044A (zh) | 多视频运动目标的自动分割与跟踪方法 | |
Miao et al. | Efficient tomato harvesting robot based on image processing and deep learning | |
Wang et al. | Vision-based adaptive variable rate spraying approach for unmanned aerial vehicles | |
AU2021317383A1 (en) | Underwater robot device and underwater regulation and control management optimization system and method | |
CN107633202A (zh) | 一种基于农田图像特征识别的植保无人机飞控方法和系统 | |
CN110047092A (zh) | 一种复杂环境下多目标实时跟踪方法 | |
Li et al. | Identification of the operating position and orientation of a robotic kiwifruit pollinator | |
CN111109240A (zh) | 一种多信息融合的变量喷药方法和装置 | |
Tylecek et al. | The second workshop on 3D Reconstruction Meets Semantics: Challenge results discussion | |
CN107065869A (zh) | 一种农业无人机控制方法 | |
CN117423157A (zh) | 一种结合迁移学习、区域入侵的矿井下异常视频动作理解方法 | |
Duan et al. | Development of an automatic lawnmower with real-time computer vision for obstacle avoidance | |
Andrada et al. | Integration of an artificial perception system for identification of live flammable material in forestry robotics | |
CN113960921A (zh) | 果园履带车辆视觉导航控制方法与系统 | |
Avilés-Mejia et al. | Autonomous vision-based navigation and control for intra-row weeding | |
Guo et al. | Robust grass boundary detection for lawn mower with a novel design of detection device | |
CN112347858A (zh) | 基于视觉及压力传感器的光伏清洁机器人卡死检测方法 | |
Kefei et al. | Agricultural Environment Monitoring Combined with Quadrotor Aircraft Control Algorithm. | |
Xiaomei et al. | Design of agaricus bisporus smart farm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |